54
Bab IV
Hasil Pengujian dan Analisis
Pada bab ini akan dibahas mengenai pengujian mengenai sistem yang
sudah dirancang dan dibuat. Pengujian yang dilakukan adalah pengujian dengan
memberikan inputan yang sesuai dengan data tanah yang diperoleh dari hasil riset ahli
tanah dan juga data yang sesuai dengan ciri-ciri dari indikator setiap karakteristik tanah
sebagai perbandingan.
4.1 Pengujian Perangkat Lunak Horison Generik
Pengujian ini dilakukan dengan memberikan inputan-inputan berupa
data-data tanah yang diperoleh berdasarkan hasil penelitian yang sudah dilakukan oleh
ahli tanah dan juga data yang sesuai dengan ciri-ciri tanah sebagai perbandingan.
Karena data hasil penelitian yang didapat tidak sesuai dengan teori yang ada hal ini
dikarenakan pada kenyataannya pada saat di lapangan kondisi tanah terkadang
berada pada kondisi ekstrem yang menyebabkan ada beberapa ciri-ciri yang tidak
sesuai dengan teori yang ada. Berikut adalah tabel contoh data yang di uji pada
55
Tabel 4.1. tabel pengujian Horison Generik
No. 1. 2. 3. 4. 5. 6. 7. 8. 9. 10. 11.
Kelas remah remah granular granular granular granular granular platy prismatik kolumnar granular
Ukuran 5 5 3 2 3 3 3 5 5 5 5
plastis plastis plastis plastis
tidak
plastis plastis plastis plastis plastis
tidak plastis
Lembab sangat
gembur
sangat
gembur gembur gembur gembur
56
Data sampel dari nomor 1-12 merupakan data pengujian yang dimasukkan
sesuai dengan teori atau ciri-ciri tanah pada umumnya yang digunakan sebagai
pembanding dengan data yang didapat dari hasil penelitian ahli tanah yaitu pada sampel
data nomor 13. Hal ini dilakukan untuk mengetahui kinerja program yang dikerjakan
apakah sudah sesuai dengan teori yang ada.
Gambar 4.1. pengujian sampel data nomor 1
Dapat dilihat dari gambar di atas pada sampel data nomor 1 sistem fuzzy mampu
menyelesaikan pengklasifikasian horison generik dengan benar. Hal ini terjadi karena
nilai inputan pada sistem masih berada dalam jangkauan derajat keanggotaan himpunan
57
Gambar 4.2. Pengujian sampel data nomor 13
Pada gambar diatas pada contoh sampel data nomor 13 menunjukkan bahwa
sistem tidak dapat membaca inputan yang dimasukkan sehingga sistem tidak bisa
menganalisa inputan yang dimasukkan karena ada inputan yang dimasukkan tidak
berada dalam jangkauan derajat keanggotaan himpunan yang sesuai dengan ciri-ciri dari
setiap horison generik yang ada. Yaitu pada input nilai tekstur liat, debu dan pasir
dimana pada teori ciri-ciri dari horison Generik B pada tektur liat memiliki keanggotaan
himpunan tinggi sedangkan pada data tekstur liat memiliki keanggotaan himpunan
rendah sehingga sistem tidak bisa membaca inputan yang dimasukkan. Perancangan
model fuzzy sangat berperan dalam hal ini sehingga apabila ada sedikit saja kekeliruan
dalam menentukan setiap batas derajat keanggotan setiap himpunan maka analisis
sistem juga akan mengalami kesalahan.
Berikut adalah perhitungan secara matematis berdasarkan sampel data nomor 1
yang dilakukan yang akan dijelaskan mulai dari kelas perakaran sampai kelas pori-pori
tanah. Sebelum melakukan perhitungan akan dijelaskan terlebih dahulu mengenai
rule-rule atau aturan-aturan yang digunakan dalam menganalisa inputan yang dimasukkan :
R1 : IF akar halus sedikit AND akar medium sedikit AND akar kasar banyak AND
bahan organik tinggi AND drainase cukup AND value gelap AND kroma murni
AND kelas struktur remah AND perkembangan kekuatan sedang AND liat sangat
58
kering lunak AND pori halus sedikit AND pori medium sedang AND pori kasar
sedang THEN Horison Generik O
R2 : IF akar halus sedang AND akar medium sedang AND akar kasar banyak AND
bahan organik tinggi AND drainase cukup AND value sedang AND kroma
sedang AND kelas struktur granular AND perkembangan kekuatan sedang AND
liat sangat rendah AND debu rendah AND pasir rendah AND lembab gembur
AND kering cukup teguh AND pori halus sedikit AND pori medium sedang AND
pori kasar sedang THEN Horison Generik A
R3 : IF akar halus banyak AND akar medium banyak AND akar kasar sedang AND
bahan organik rendah AND drainase cukup AND value terang AND kroma
bercak AND kelas struktur granular AND perkembangan kekuatan sedang AND
liat rendah AND debu sangat rendah AND pasir sangat rendah AND lembab
gembur AND kering teguh AND pori halus sedang AND pori medium sedikit
AND pori kasar sedikit THEN Horison Generik E
R4 : IF akar halus banyak AND akar medium banyak AND akar kasar sedikit AND
bahan organik sedang AND drainase jelek AND value gelap AND kroma murni
AND kelas struktur platy AND perkembangan kekuatan sedang AND liat tinggi
AND debu sangat rendah AND pasir sangat rendah AND lembab butir kuat AND
kering teguh AND pori halus banyak AND pori medium banyak AND pori kasar
sedikit THEN Horison Generik B
Berdasarkan sampel data nomor 1 maka akan diperoleh hitungan sebagai berikut
:
µ ℎ � � = − = − = ,
µ ℎ � = 0
µ ℎ = 0
µ � � � = − = − = ,
59
µ � =
µ � � =
µ � =
µ = − = − = ,
µ� ℎ � � =
µ� ℎ � � =
µ� ℎ � � =
µ� ℎ � � = , − = , − = ,
µ� ℎ � � =
µ � = , −, = , −, = ,
µ � =
µ � =
µ � � =
µ � =
µ � = − ,, = − ,, = ,
µ � = − = − = ,
µ � =
µ � =
µ � =
µ � =
60
µ =
µ =
µ = − = − =
µ =
µ� � =
µ� � =
µ� � =
µ� � = − = − =
µ� � =
µ � ℎ � � = −, = , = ,
µ � ℎ � =
µ � ℎ =
µ � � � � =
µ � � � = − = − = ,
µ � � =
µ � � � =
µ � � = − = − = ,
µ � =
Setelah semua hitungan telah didapatkan maka nilai output hasil inferensi dari
tiap-tiap aturan diberikan secara tegas (crisp) berdasarkan α-predikat. nilai output
crisp/nilai tegas Z dapat dicari dengan cara mengubah input (berupa himpunan fuzzy
61
himpunan fuzzy tersebut. Pada dasarnya, metode Tsukamoto mengaplikasikan penalaran
monoton pada setiap aturannya. Kalau pada penalaran monoton, sistem hanya memiliki
satu aturan, pada metode Tsukamoto, sistem terdiri atas beberapa aturan. Karena
menggunakan konsep dasar penalaran monoton, pada metode Tsukamoto, setiap
konsekuen pada aturan yang berbentuk If-Then harus direpresentasikan dengan suatu
himpunan fuzzy dengan fungsi keanggotaan yang monoton. Sehingga output dari
horison generic dapat kita lihat pada gambar dibawah ini :
Gambar 4.3. Fungsi keanggotaan output Horison Generik
Kemudian dari tiap-tiap aturan yang ada dengan menggunakan penalaran
monoton dapat diperoleh nilai � − � pada aturan pertama – keempat.
R1 : � = min , ; , ; , ; , ; ; , ; , ; ; ; , ; ; ; ; ; , ; , ; ,
� = 0,375
� = � = 0,375
R2 : � = min 0; 0; 0,5; 0,5; 1; 0; 0; 0; 1; 0,67; 0; 0; 0; 0; 0,91; 0,375; 0,375)
� = 0
� = � = 0
R3 : � = � (0; 0; 0; 0; 1; 0; 0; 0; 1; 0; 0; 0; 0; 0; 0; 0; 0)
� = 0
62
R4 : � = � (0; 0; 0; 0; 0; 0,43; 0,6; 0; 1; 0; 0; 0; 0; 0; 0; 0; 0)
� = 0
� = � = 0
Setelah nilai α-predikat untuk aturan pertama sampai keempat telah didapat, maka dengan menggunakan penalaran monoton, diperoleh nilai � − � kemudian
dengan metode defuzifikasi (penegasan) hasil akhir akan didapatkakn. Metode
defuzifikasi yang digunakan dalam metode Tsukamoto adalah metode defuzifikasi
rata-rata terpusat (Center Average Defuzzyfier).
z =
∑ni= αizi∑ni= αi
z =
� +� +� +�� +� +� +�
Z =
, , + + +, + + +
Z = 0,375
Dari perhitungan diatas diketahui yang memiliki nilai yang sama dengan Z
adalah nilai pada output
�
(Rule 1) yaitu horison generik O sedangkan rule lainnyabernilai nol. Sehingga dapat disimpulkan bahwa pada sampel data nomor 1 merupakan
horison generik O dan berdasarkan perhitungan matematis dan aplikasi yang dijalankan
menghasilkan hasil yag sama.
4.2 Pengujian Perangkat Lunak Horison Penciri dan Klasifikasi Tanah
Pada perangkat lunak Horison penciri sistem dibangun dengan menggunakan
metode aturan produksi. Penggunaan metode ini dikarenakan karakteristik pada horison
penciri memiliki nilai-nilai pasti sehingga tidak diperlukan metode fuzzy dalam
pembuatannya. Sehingga jika inputan yang dimasukkan memenuhi syarat maka output
63
yang ada. Sebagai contoh untuk horison penciri Anthropik memiliki ciri-ciri seperti
tabel berikut ini :
Tabel 4.2 ciri-ciri Horison Penciri Anthropik
Indikator Nilai Indikator Ciri lain
- P2O5 >250 ppm
- tebal >18 cm
- bahan organik >1%
- Warna Warna gelap:
Value <3,5 (kondisi lembab) Value <5,5 (kondisi kering) - Kejenuhan basa >50%
- Lingkungan Daerah tidak pernah kering dari 3 bulan - Kekerasan Tidak keras dan tidak memadat (pada
kondisi kering – tidak ada air)
Apabila inputan yang dimasukkan memenuhi syarat-syarat seperti pada tabel
yang di atas maka sistem akan menganalisa dan jenis horison penciri yang terdeteksi
adalah Anthropik. Tetapi jika tidak memenuhi syarat di atas aplikasi akan terus
menganalisa sampai menemukan jenis horison penciri yang sesuai dan yang memenuhi
syarat dari setiap horison penciri yang ada.
Pada sistem klasifikasi tanah sistem juga dibangun menggunakan metode aturan
produksi. Pada bagian klasifikasi tanah sistem akan langsung mengambil input yang
berasal dari hasil analisis dari sistem horison penciri, jika memenuhi syarat maka akan
dihasilkan hasil akhir berupa salah satu jenis klasifikasi tanah dari 12 jenis klasifikasi
tanah yang ada. Semisal untuk jenis tanah inceptisol memiliki ciri-ciri memiliki horison
penciri kambik, umbrik, dan Mollik. Jika hasil pada sistem horison penciri sesuai
dengan ciri-ciri tersebut maka output final dari sistem klasifikasi tanah adalah tanah
inceptisol.
